视觉与机器人

世界模型

面向环境建模、时序预测、仿真规划、具身智能和自动驾驶的世界模型方法与应用。

2026-07-28 至 2026-07-28 共收录 5 篇信号源：cs.AI, cs.LG, cs.CV, cs.RO, cs.MA

1. 通用世界模型 3 篇

2607.22430 2026-07-28 cs.LG 版本更新 93%

关于受控世界模型的可识别性

Xiangteng Zhang, Yang Guan, Bo Zhang, Hongyang Li, Ya-Qin Zhang, Shengbo Eben Li

专题命中通用世界模型：world model(title,abstract)；world models(title,abstract)；world model(title,abstract)；world models(title,abstract)

AI总结研究受控世界模型的可识别性问题，建立在状态依赖高斯行为策略下的联合可识别性理论，识别出两个条件，证明满足条件时JEPA目标的全局极小值可识别潜在状态和受控转移，推导定量界限并通过实验验证理论。

2603.28963 2026-07-28 cs.RO cs.AI cs.CV cs.LG 版本更新 93%

AutoWorld: 通过自监督世界模型扩展多智能体交通仿真

Mozhgan Pourkeshavarz, Tianran Liu, Nicholas Rhinehart

机构 * University of Toronto（多伦多大学）

专题命中通用世界模型：world model(title,abstract)；world models(title)；world model(title,abstract)；world models(title)

AI总结本文提出AutoWorld框架，利用未标记的LiDAR数据自监督学习世界模型，提升多智能体交通仿真的真实感与性能，实验表明未标记数据能有效提升仿真效果。

2511.12940 2026-07-28 cs.CV 版本更新 81%

循环自回归扩散：全局记忆与局部注意力相结合

Taiye Chen, Zihan Ding, Anjian Li, Christina Zhang, Zeqi Xiao, Yisen Wang, Chi Jin

机构 * Peking University（北京大学）； Princeton University（普林斯顿大学）； Nanyang Technological University（南洋理工大学）

专题命中通用世界模型：world model(abstract)；world models(abstract)；world model(abstract)；world models(abstract)

AI总结研究针对超长视频生成中现有模型的不足，提出循环自回归扩散（RAD）框架，结合循环块与局部注意力，解决训练推理差距等问题，在相关数据集实验中展现出长视频生成的优越性。

2604.25416 2026-07-28 cs.LG 版本更新 82%

有偏的梦境：潜在空间模型中知识不确定性量化限制

Julia Berger, Bernd Frauenknecht, Sebastian Trimpe, Bastian Leibe

专题命中模型式强化学习：latent dynamics(title,abstract)；dynamics model(title,abstract)；model-based reinforcement learning(abstract)；分类 cs.LG

AI总结研究探讨了潜在空间模型中知识不确定性量化存在的偏差问题，指出潜在过渡偏向于高代表性的区域，导致环境动态差异在潜在空间中不显现，影响不确定性估计的可靠性。

Comments Reinforcement Learning Conference (RLC) 2026

2603.20248 2026-07-28 cs.CY cs.AI cs.HC cs.MA 版本更新 53%

AI治理系统的稳定性：公众信任与社会动荡的耦合动力学模型

Jiaqi Lai, Hou Liang, Weihong Huang

专题命中模型式强化学习：dynamics model(title)；分类 cs.AI、cs.MA

AI总结本文提出耦合动力学模型，分析公众信任与社会动荡的相互作用，揭示信任崩溃的临界条件及网络结构对治理失效的影响。

Comments 16 pages, 5 figures